國(guó)際視頻壓縮標(biāo)準(zhǔn)簡(jiǎn)介

1、1 國(guó)際視頻壓縮標(biāo)準(zhǔn)簡(jiǎn)介國(guó)際視頻壓縮標(biāo)準(zhǔn)簡(jiǎn)介 多媒體技術(shù) 2 主要內(nèi)容 視頻壓縮標(biāo)準(zhǔn)發(fā)展歷史 H.26X系列壓縮標(biāo)準(zhǔn)簡(jiǎn)介 MPEG系列壓縮標(biāo)準(zhǔn)簡(jiǎn)介 3 視頻壓縮標(biāo)準(zhǔn)發(fā)展歷史 ITU: ISO/IEC: H.261 H.262 H.263 H.263+ H.264 MPEG1 MPEG2MPEG4 (Part2) MPEG7 MPEG21MPEG4(Part10) 4 MPEG是什么 MPEG(Moving Picture Expert Group)是在1988年由國(guó)際標(biāo) 準(zhǔn)化組織(International Organization for Standardization， ISO)和國(guó)際電工

2、委員會(huì)(International Electrotechnical Commission，IEC)聯(lián)合成立的專(zhuān)家組，負(fù)責(zé)開(kāi)發(fā)電視圖像 數(shù)據(jù)和聲音數(shù)據(jù)的編碼、解碼和它們的同步等標(biāo)準(zhǔn)。這個(gè)專(zhuān) 家組開(kāi)發(fā)的標(biāo)準(zhǔn)稱(chēng)為MPEG標(biāo)準(zhǔn)，到目前為止，已經(jīng)開(kāi)發(fā)和 正在開(kāi)發(fā)的MPEG標(biāo)準(zhǔn)有： MPEG-1：數(shù)字電視標(biāo)準(zhǔn)，1992年正式發(fā)布。 MPEG-2：數(shù)字電視標(biāo)準(zhǔn)。 MPEG-3：已于1992年7月合并到高清晰度電視(High-Definition TV， HDTV)工作組。 MPEG-4：多媒體應(yīng)用標(biāo)準(zhǔn)(1999年發(fā)布)。 MPEG-5：直至1998年9月還沒(méi)有見(jiàn)到定義。 MPEG-6：直至1998年9月還

3、沒(méi)有見(jiàn)到定義。 MPEG-7：多媒體內(nèi)容描述接口標(biāo)準(zhǔn)(正在研究)。 5 MPEG-1和-2標(biāo)準(zhǔn)已經(jīng)正式發(fā)布，并且得到廣泛應(yīng)用。例如，CD-交 互系統(tǒng)，在網(wǎng)絡(luò)上的數(shù)字聲音廣播、數(shù)字電視廣播和影視點(diǎn)播等。表 8-01是MPEG-1和-2的典型編碼參數(shù)。 6 MPEG文件的創(chuàng)建過(guò)程 與其他ISO標(biāo)準(zhǔn)文件一樣，MPEG標(biāo)準(zhǔn)文件的創(chuàng)建過(guò)程分 成4個(gè)階段： 工作文件(Working Draft，WD)：工作組(Working Group，WG)準(zhǔn) 備的工作文件 委員會(huì)草案(Committee Draft，CD)：從工作組WG準(zhǔn)備好的工作 文件WD提升上來(lái)的文件。這是ISO文檔的最初形式，它由ISO內(nèi) 部正

4、式調(diào)查研究和投票表決。 國(guó)際標(biāo)準(zhǔn)草案(Draft International Standard，DIS)：投票成員國(guó)對(duì) CD的內(nèi)容和說(shuō)明滿意之后由委員會(huì)草案CD提升上來(lái)的文件。 國(guó)際標(biāo)準(zhǔn)(International Standard，IS)：由投票成員國(guó)、ISO的其 他部門(mén)和其他委員會(huì)投票通過(guò)之后出版發(fā)布的文件。 7 視頻壓縮標(biāo)準(zhǔn)對(duì)比 H.261 p64k b/s視頻 編碼標(biāo) 準(zhǔn) 時(shí)間 1990年12月 輸入 176144(QCIF) 352288(CIF) 幀速率可變H.263MPEG2 壓縮算法 運(yùn)動(dòng)補(bǔ)償幀間預(yù)測(cè)（單雙向預(yù)測(cè)） DCT 局部算法改進(jìn) 可伸縮性 應(yīng)用 通用電話交換網(wǎng)、局域網(wǎng)的

5、視頻通信 11 視頻壓縮標(biāo)準(zhǔn)對(duì)比（續(xù)） MPEG 4(Part 2) MPEG 4 Visual 甚 低 碼 率 活 動(dòng) 圖 像 及 其 伴 音 編 碼 標(biāo) 準(zhǔn) 時(shí)間 1999年 輸入 176144的多種分辨率格式 輸出 4.6Kb/s64Kb/s 壓縮率 100 壓縮算法 基于對(duì)象的新一代編碼技術(shù)，注重交 互性，即可包含自然對(duì)象，又可包含 人工合成對(duì)象 應(yīng)用 可應(yīng)用范圍很廣、目前多用于因特網(wǎng) 視頻傳輸、流媒體應(yīng)用 12 視頻壓縮標(biāo)準(zhǔn)對(duì)比（續(xù)） H.264 MPEG 4(Part1 0) MPEG 4 AVC 時(shí)間 2003年5月 輸入 多種分辨率格式 輸出 壓縮率 壓縮率最高的視頻壓縮標(biāo)準(zhǔn)，

6、比 MPEG4 Visual節(jié)約50的碼率 壓縮算法 基于傳統(tǒng)框架的混合編碼系統(tǒng)，只是 做了局部?jī)?yōu)化。更注重編碼效率和可 靠性 應(yīng)用 視頻廣播、視頻通信和存儲(chǔ)媒體（CD DVD）等多種應(yīng)用 13 MPEG-1視頻壓縮標(biāo)準(zhǔn) MPEG-1處理的是標(biāo)準(zhǔn)圖像交換格式(Standard Interchange format，SIF)或者稱(chēng)為源輸入格式(Source Input Format， SIF)的電視，即NTSC制為352像素x 240行/幀x 30幀/秒， PAL制為352像素x 288行/幀x25幀/秒，壓縮的輸出速率定 義在1.5 Mbit/s以下。這個(gè)標(biāo)準(zhǔn)主要是針對(duì)當(dāng)時(shí)具有這種數(shù) 據(jù)傳輸率

7、的CD-ROM和網(wǎng)絡(luò)而開(kāi)發(fā)的，用于在CD-ROM上 存儲(chǔ)數(shù)字影視和在網(wǎng)絡(luò)上傳輸數(shù)字影視。 MPEG-1的標(biāo)準(zhǔn)號(hào)為ISO/IEC 11172，標(biāo)準(zhǔn)名稱(chēng)為“信息技術(shù)用于數(shù) 據(jù)速率高達(dá)大約1.5 Mbit/s的數(shù)字存儲(chǔ)媒體的電視圖像和伴音編 碼”Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s)。 14 MPEG-1視頻壓縮標(biāo)準(zhǔn) MPEG-1已于1991年底被ISO/IEC采納，由五個(gè)部分組成： MPEG-1

8、系統(tǒng)，寫(xiě)成MPEG-1 Systems，規(guī)定電視圖像數(shù)據(jù)、聲音數(shù)據(jù) 及其他相關(guān)數(shù)據(jù)的同步，標(biāo)準(zhǔn)名是ISO/IEC 11172-1：1993 Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s Part 1： Systems。 MPEG-1電視圖像，寫(xiě)成MPEG-1 Video, 規(guī)定電視數(shù)據(jù)的編碼和解碼， 標(biāo)準(zhǔn)名是ISO/IEC 11172-2：1993 Information technology Co

9、ding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s Part 2：Video。 MPEG-1聲音，寫(xiě)成MPEG-1 Audio, 規(guī)定聲音數(shù)據(jù)的編碼和解碼，標(biāo)準(zhǔn) 名是ISO/IEC 11172-3：1993 Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s Par

10、t 3：Audio。 15 MPEG-1一致性測(cè)試，寫(xiě)成MPEG-1 Conformance testing，標(biāo)準(zhǔn) 名是ISO/IEC 11172-4：1995 Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s Part 4：Conformance testing。 這個(gè)標(biāo)準(zhǔn)詳細(xì)說(shuō)明如何測(cè)試比特?cái)?shù)據(jù)流(bitstreams)和解碼器是否 滿足MPEG-1前3個(gè)部分(Part1，2和3)中所規(guī)定的要求。這

11、些測(cè) 試可由廠商和用戶實(shí)施。 MPEG-1軟件模擬，寫(xiě)成MPEG-1 Software simulation，標(biāo)準(zhǔn)名 是ISO/IEC TR 11172-5 Information technology Coding of moving pictures and associated audio for digital storage media up to about 1.5 Mbit/s Part 5：Software simulation。實(shí)際上， 這部分的內(nèi)容不是一個(gè)標(biāo)準(zhǔn)，而是一個(gè)技術(shù)報(bào)告，給出了用軟件 執(zhí)行MPEG-1標(biāo)準(zhǔn)前3個(gè)部分的結(jié)果。 MPEG-1譯碼器方框圖 16 MPEG-

12、2數(shù)字電視標(biāo)準(zhǔn) MPEG-2標(biāo)準(zhǔn)從1990年開(kāi)始研究，1994發(fā)布DIS。 它是一個(gè)直接與數(shù)字電視廣播有關(guān)的高質(zhì)量圖像 和聲音編碼標(biāo)準(zhǔn)。 MPEG-2可以說(shuō)是MPEG-1的擴(kuò)充，因?yàn)樗鼈兊?基本編碼算法都相同。但MPEG-2增加了許多 MPEG-1所沒(méi)有的功能： 例如增加了隔行掃描電視的編碼， 提供了位速率的可變性能(scalability)功能。 MPEG-2要達(dá)到的最基本目標(biāo)是：位速率為49 Mbit/s， 最高達(dá)15 Mbit/s。 17 MPEG-2的標(biāo)準(zhǔn)號(hào)為ISO/IEC 13818，標(biāo)準(zhǔn)名稱(chēng)為“信息 技術(shù)電視圖像和伴音信息的通用編碼(Information technology G

13、eneric coding of moving pictures and associated audio information )”。MPEG-2包含10個(gè)部分： MPEG-2系統(tǒng)，寫(xiě)成MPEG-2 Systems，規(guī)定電視圖像數(shù) 據(jù)、聲音數(shù)據(jù)及其他相關(guān)數(shù)據(jù)的同步，標(biāo)準(zhǔn)名是ISO/IEC 13818-1：1996 Information technology Generic coding of moving pictures and associated audio information ：Systems。 18 MPEG-2的系統(tǒng)模型如圖所示。這個(gè)標(biāo)準(zhǔn)主要是用來(lái)定義電視圖 像數(shù)據(jù)、聲音

14、數(shù)據(jù)和其他數(shù)據(jù)的組合，把這些數(shù)據(jù)組合成一個(gè)或 者多個(gè)適合于存儲(chǔ)或者傳輸?shù)幕緮?shù)據(jù)流。數(shù)據(jù)流有兩種形式： 一種稱(chēng)為程序數(shù)據(jù)流(Program Stream，PS) 程序數(shù)據(jù)流是組合一個(gè)或者多個(gè)規(guī)格化的即包化基本數(shù)據(jù)流 (Packetised Elementary Streams，PES)而生成的一種數(shù)據(jù)流， 用在出現(xiàn)錯(cuò)誤相對(duì)比較少的環(huán)境下，適合使用軟件處理的應(yīng)用； 另一種稱(chēng)為傳輸數(shù)據(jù)流(Transport Stream，TS)。 傳輸數(shù)據(jù)流也是組合一個(gè)或者多個(gè)PES而生成的一種數(shù)據(jù)流， 它用在出現(xiàn)錯(cuò)誤相對(duì)比較多的環(huán)境下，例如在有損失或者有噪 聲的傳輸系統(tǒng)中。 圖MPEG-2的系統(tǒng)模型 19 MP

15、EG-2電視圖像，寫(xiě)成MPEG-2 Video，規(guī)定電視數(shù)據(jù)的編碼和解碼， 標(biāo)準(zhǔn)名是ISO/IEC 13818-2：1996 Information technology Generic coding of moving pictures and associated audio information ：Video。 為了適應(yīng)各種應(yīng)用，這個(gè)標(biāo)準(zhǔn)定義了電視圖像的各種規(guī)格，稱(chēng)為配置 (profile)，如表所示。表中的“X”符號(hào)表示MPEG-2支持的配置。 有些人認(rèn)為使用4:2:0子采樣格式的圖像質(zhì)量還不夠好， 因此在1996年的標(biāo)準(zhǔn)中增加了4:2:2子采樣格式的圖像。 多視角配置(Multiv

16、iew Profile，MVP)是附加的配置。 20 MPEG-2聲音，寫(xiě)成MPEG-2 Audio，規(guī)定聲音數(shù)據(jù)的編碼 和解碼，是MPEG-1 Audio的擴(kuò)充，支持多個(gè)聲道，標(biāo)準(zhǔn)名 是ISO/IEC 13818-3：1998 Information technology Generic coding of moving pictures and associated audio information Part 3：Audio。 MPEG-2一致性測(cè)試，寫(xiě)成MPEG-2 Conformance testing， 標(biāo)準(zhǔn)名是ISO/IEC DIS 13818-4 Information tec

17、hnology Generic coding of moving pictures and associated audio information Part 4：Conformance testing。 MPEG-2軟件模擬，寫(xiě)成MPEG-2 Software simulation，標(biāo) 準(zhǔn)名是ISO/IEC TR 13818-5：1997 Information technology Generic coding of moving pictures and associated audio information Part 5：Software simulation。 21 MPEG-2數(shù)

18、字存儲(chǔ)媒體命令和控制擴(kuò)展協(xié)議，寫(xiě)成MPEG-2 Extensions for DSM-CC，標(biāo)準(zhǔn)名是ISO/IEC DIS 13818-6 Information technology Generic coding of moving pictures and associated audio information Part 6：Extensions for DSM-CC。 這是一個(gè)數(shù)字存儲(chǔ)媒體命令和控制(Digital Storage Media Command and Control，DSM-CC)擴(kuò)展協(xié)議，用于管理MPEG-1和MPEG-2的數(shù) 據(jù)流，使數(shù)據(jù)流既可在單機(jī)上運(yùn)行，又可在異

19、構(gòu)網(wǎng)絡(luò)(即用類(lèi)似設(shè)備構(gòu) 造但運(yùn)行不同協(xié)議的網(wǎng)絡(luò))環(huán)境下運(yùn)行。 在DSM-CC模型中，服務(wù)器(server)和客戶器(client)都被認(rèn)為是DSM- CC網(wǎng)絡(luò)的用戶(user)，DSM-CC定義了一個(gè)稱(chēng)為會(huì)話和資源管理 (Session and Resource Manager，SRM)的實(shí)體，用來(lái)集中管理網(wǎng)絡(luò) 中的會(huì)話和資源，如圖所示。 DSM-CC參考模型 22 MPEG-2先進(jìn)聲音編碼，寫(xiě)成MPEG-2 AAC，是多聲道聲音編碼算法標(biāo)準(zhǔn)。 這個(gè)標(biāo)準(zhǔn)除后向兼容MPEG-1 Audio標(biāo)準(zhǔn)之外，還有非后向兼容的聲音標(biāo) 準(zhǔn)。標(biāo)準(zhǔn)名是ISO/IEC 13818-7：1997 Informatio

20、n technology Generic coding of moving pictures and associated audio information Part 7：Advanced Audio Coding (AAC)。 MPEG-2系統(tǒng)解碼器實(shí)時(shí)接口擴(kuò)展標(biāo)準(zhǔn)，標(biāo)準(zhǔn)名是ISO/IEC 13818-9： 1996 Information technology Generic coding of moving pictures and associated audio information Part 9：Extension for real time interface for sys

21、tems decoders。 這是與傳輸數(shù)據(jù)流(Transport Stream)的實(shí)時(shí)接口(real-time interface， RTI)標(biāo)準(zhǔn)，它可以用來(lái)適應(yīng)來(lái)自網(wǎng)絡(luò)的傳輸數(shù)據(jù)流，如圖所示。 實(shí)時(shí)接口參考模型 23 MPEG-2 DSM-CC一致性擴(kuò)展測(cè)試，標(biāo)準(zhǔn)名是ISO/IEC DIS 13818-10 Information technology Generic coding of moving pictures and associated audio information Part 10：Conformance extensions for Digital Storage Me

22、dia Command and Control (DSM-CC)。 10 MPEG-2先進(jìn)聲音編碼標(biāo)準(zhǔn)修正版，標(biāo)準(zhǔn)名是Amendment 1 to ISO/IEC TR 13818-5：1997 Amendment 1 to ISO/IEC TR 13818-5： 1997 Advanced Audio Coding (AAA)。 最后要說(shuō)明的是，MPEG-2的Part 8原計(jì)劃用于采樣精度為10比特的 電視圖像編碼，但由于目前工業(yè)界對(duì)此興趣不大，因此該標(biāo)準(zhǔn)已暫停 開(kāi)發(fā)。 24 MPEG-4多媒體應(yīng)用標(biāo)準(zhǔn) 標(biāo)準(zhǔn)概要 MPEG-4從1994年開(kāi)始工作，它是為視聽(tīng)(audio-visual)數(shù)據(jù)的

23、編碼和 交互播放開(kāi)發(fā)算法和工具，是一個(gè)數(shù)據(jù)速率很低的多媒體通信標(biāo)準(zhǔn)。 MPEG-4的目標(biāo)是要在異構(gòu)網(wǎng)絡(luò)環(huán)境下能夠高度可靠地工作，并且具 有很強(qiáng)的交互功能。 為了達(dá)到這個(gè)目標(biāo)，MPEG-4引入了對(duì)象基表達(dá)(object-based representation)的概念，用來(lái)表達(dá)視聽(tīng)對(duì)象(audio/visual objects， AVO)； MPEG-4擴(kuò)充了編碼的數(shù)據(jù)類(lèi)型，由自然數(shù)據(jù)對(duì)象擴(kuò)展到計(jì)算機(jī)生成 的合成數(shù)據(jù)對(duì)象，采用合成對(duì)象/自然對(duì)象混合編碼(Synthetic/Natural Hybrid Coding，SNHC)算法； 25 在實(shí)現(xiàn)交互功能和重用對(duì)象中引入了組合、合成和編排等重要概

24、念。 MPEG-4系統(tǒng)構(gòu)造如圖8-05所示，接收端的構(gòu)造部件如圖8-06所示。 26 27 MPEG-4中制定了一個(gè)稱(chēng)為傳輸多媒體集成框架(Delivery Multimedia Integration Framework，DMIF)的會(huì)話協(xié)議，它 用來(lái)管理多媒體數(shù)據(jù)流。 該協(xié)議在原則上與文件傳輸協(xié)議FTP(File Transfer Protocol) 類(lèi)似，其差別是： FTP返回的是數(shù)據(jù)， 而DMIF返回的是指向到何處獲取數(shù)據(jù)流的指針。 DMIF覆蓋了三種主要技術(shù)： 廣播技術(shù)， 交互網(wǎng)絡(luò)技術(shù) 光盤(pán)技術(shù)， 如圖所示。 DMIF覆蓋 的三種主 要技術(shù) 28 MPEG-4將應(yīng)用在移動(dòng)通信和公用電

25、話交換 網(wǎng)(public switched telephone network， PSTN)上，并支持可視電話(videophone)、 電視郵件(video mail)、電子報(bào)紙(electronic newspapers)和其他低數(shù)據(jù)傳輸速率場(chǎng)合下 的應(yīng)用。 29 MPEG-4的標(biāo)準(zhǔn)名是Very-low bitrate audio-visual coding (甚低速率 視聽(tīng)編碼)。截止到1998年9月，已作為國(guó)際標(biāo)準(zhǔn)草案(Draft International Standard，DIS)的MPEG-4文件有6個(gè)部分，它們是： MPEG-4系統(tǒng)標(biāo)準(zhǔn)，標(biāo)準(zhǔn)名是ISO/IEC DIS 1449

26、6-1 Very-low bitrate audio-visual coding Part 1: Systems。 MPEG-4電視圖像標(biāo)準(zhǔn)，標(biāo)準(zhǔn)名是ISO/IEC DIS 14496-2 Very low bitrate audio-visual coding Part 2: Video。 MPEG-4聲音標(biāo)準(zhǔn)，標(biāo)準(zhǔn)名是ISO/IEC DIS 14496-3 Very low bitrate audio-visual coding Part 3: Audio。 MPEG-4一致性測(cè)試標(biāo)準(zhǔn)，標(biāo)準(zhǔn)名是ISO/IEC DIS 14496-4 Very- low bitrate audio-visu

27、al coding Part 4: Conformance Testing。 MPEG-4參考軟件，標(biāo)準(zhǔn)名是ISO/IEC DIS 14496-5 Very-low bitrate audio-visual coding Part 5: Reference software MPEG-4傳輸多媒體集成框架，標(biāo)準(zhǔn)名是ISO/IEC DIS 14496-6 Very-low bitrate audio-visual coding Part 6: Delivery Multimedia Integration Framework (DMIF)。 30 MPEG-7多媒體內(nèi)容描述接口 MPEG-7的工

28、作于1996年啟動(dòng)，名稱(chēng)叫做多媒體內(nèi)容描述 接口(Multimedia Content Description Interface) ， 目的是制定一套描述符標(biāo)準(zhǔn)，用來(lái)描述各種類(lèi)型的多媒體信息及它 們之間的關(guān)系，以便更快更有效地檢索信息。 這些媒體材料可包括靜態(tài)圖像、圖形、3D模型、聲音、話音、電視 以及在多媒體演示中它們之間的組合關(guān)系。 在某些情況下，數(shù)據(jù)類(lèi)型還可包括面部特性和個(gè)人特性的表達(dá)。 與其他的MPEG標(biāo)準(zhǔn)一樣，MPEG-7是為滿足特定需求而制 定的視聽(tīng)信息標(biāo)準(zhǔn)。MPEG-7標(biāo)準(zhǔn)也是建筑在其他的標(biāo)準(zhǔn)之 上的， 例如，PCM, MPEG-1, MPEG-2和MPEG-4等等。 在MPE

29、G-7中，例如MPEG-4中使用的形狀描述符、MPEG-1和 MPEG-2中使用的移動(dòng)矢量(motion vector)等都可能在MPEG-7中用 到。 31 圖8-08表示了MPEG-7的處理鏈(processing chain)， 這是高度抽象的方框圖。在這個(gè)處理鏈中包含有三 個(gè)方框： 特征抽取(feature extraction)、 標(biāo)準(zhǔn)描述(standard description) 檢索工具(search engine)。 特征的自動(dòng)分析和抽取對(duì)MPEG-7是至關(guān)重要的， 抽象程度越高，自動(dòng)抽取也越困難，而且不是都能 夠自動(dòng)抽取的，因此開(kāi)發(fā)自動(dòng)的和交互式半自動(dòng)抽 取的算法和工具都是

30、很有用的。盡管如此，特征抽 取和檢索工具都不包含在MPEG-7標(biāo)準(zhǔn)中，而是留 給大家去競(jìng)爭(zhēng)，以便得到最好的算法和工具。 32 MPEG-7的應(yīng)用領(lǐng)域 數(shù)字圖書(shū)館(Digital library)， 例如圖像目錄、音樂(lè)詞典等； 多媒體目錄服務(wù)(multimedia directory services)， 例如黃頁(yè)(yellow pages)； 廣播媒體的選擇， 例如無(wú)線電頻道，TV頻道等； 多媒體編輯， 例如個(gè)人電子新聞服務(wù)，多媒體創(chuàng)作等等。 潛在應(yīng)用的應(yīng)用領(lǐng)域包括： 教育、娛樂(lè)、新聞、旅游、醫(yī)療、購(gòu)物等等。 33 MPEG聲音 與前面章節(jié)介紹的波形聲音壓縮編碼(如ADPCM) 和參數(shù)編碼(如

31、LPC)不同，MPEG-1和MPEG-2的 聲音數(shù)據(jù)壓縮編碼不是依據(jù)波形本身的相關(guān)性和 模擬人的發(fā)音器官的特性，而是利用人的聽(tīng)覺(jué)系 統(tǒng)的特性來(lái)達(dá)到壓縮聲音數(shù)據(jù)的目的，這種壓縮 編碼稱(chēng)為感知聲音編碼(perceptual audio coding)。 進(jìn)入20世紀(jì)80年代之后，尤其最近幾年，人類(lèi)在 利用自身的聽(tīng)覺(jué)系統(tǒng)的特性來(lái)壓縮聲音數(shù)據(jù)方面 取得了很大的進(jìn)展，先后制定了MPEG-1 Audio, MPEG-2 Audio和MPEG-2 AAC等標(biāo)準(zhǔn)。 34 MPEG聲音 MPEG Audio壓縮編碼算法中的三個(gè)特性： 響度、 音高 掩蔽效應(yīng)。 35 MPEG聲音 對(duì)響度的感知 聲音的響度就是聲音

32、的強(qiáng)弱。 在物理上，聲音的響度使用客觀測(cè)量單位來(lái)度量，即 dyn/cm2(達(dá)因/平方厘米)(聲壓)或W/cm2(瓦特/平方厘 米)(聲強(qiáng))。 在心理上，主觀感覺(jué)的聲音強(qiáng)弱使用響度級(jí)“方(phon)” 或者“宋(sone)”來(lái)度量。 這兩種感知聲音強(qiáng)弱的計(jì)量單位是完全不同的兩 種概念，但是它們之間又有一定的聯(lián)系。 36 MPEG聲音 當(dāng)聲音弱到人的耳朵剛剛可以聽(tīng)見(jiàn)時(shí)，我們稱(chēng)此時(shí)的聲音 強(qiáng)度為“聽(tīng)閾”。 例如，1 kHz純音的聲強(qiáng)達(dá)到10-16w/cm2(定義成零dB聲強(qiáng)級(jí))時(shí)， 人耳剛能聽(tīng)到，此時(shí)的主觀響度級(jí)定為零方。實(shí)驗(yàn)表明，聽(tīng)閾是 隨頻率變化的。測(cè)出的“聽(tīng)閾頻率”曲線如圖9-01所示。圖中

33、最靠下面的一根曲線叫做“零方等響度級(jí)”曲線，也稱(chēng)“絕對(duì)聽(tīng) 閾”曲線，即在安靜環(huán)境中，能被人耳聽(tīng)到的純音的最小值。 另一種極端的情況是聲音強(qiáng)到使人耳感到疼痛。 實(shí)驗(yàn)表明，如果頻率為1 kHz的純音的聲強(qiáng)級(jí)達(dá)到120 dB左右時(shí)， 人的耳朵就感到疼痛，這個(gè)閾值稱(chēng)為“痛閾”。對(duì)不同的頻率進(jìn) 行測(cè)量，可以得到“痛閾頻率”曲線，如圖9-01中最靠上面所 示的一根曲線。這條曲線也就是120方等響度級(jí)曲線。 37 MPEG聲音 在“聽(tīng)閾頻率”曲線和“痛閾頻 率”曲線之間的區(qū)域就是人耳的聽(tīng)覺(jué) 范圍。這個(gè)范圍內(nèi)的等響度級(jí)曲線也 是用同樣的方法測(cè)量出來(lái)的。由圖9- 01可以看出，1 kHz的10 dB的聲音和 2

34、00 Hz的30 dB的聲音，在人耳聽(tīng)起 來(lái)具有相同的響度。 圖9-01說(shuō)明人耳對(duì)不同頻率的敏感程 度差別很大，其中對(duì)2 kHz4 kHz范 圍的信號(hào)最為敏感，幅度很低的信號(hào) 都能被人耳聽(tīng)到。而在低頻區(qū)和高頻 區(qū)，能被人耳聽(tīng)到的信號(hào)幅度要高得 多。 圖9-01 “聽(tīng)閾頻率”曲線 38 MPEG聲音 對(duì)音高的感知 客觀上用頻率來(lái)表示聲音的音高，其單位是Hz。而主觀感 覺(jué)的音高單位則是“美(Mel)”,主觀音高與客觀音高的關(guān)系 是:Mel=log2(1+f),其中 的單位為Hz，這也是兩個(gè)既不相同 又有聯(lián)系的單位。 人耳對(duì)響度的感覺(jué)有一個(gè)范圍，即從聽(tīng)閾到痛閾。同樣， 人耳對(duì)頻率的感覺(jué)也有一個(gè)范圍。

35、人耳可以聽(tīng)到的最低頻 率約20 Hz，最高頻率約18000 Hz。正如測(cè)量響度時(shí)是以 1 kHz純音為基準(zhǔn)一樣，在測(cè)量音高時(shí)則以40 dB聲強(qiáng)為基 準(zhǔn)，并且同樣由主觀感覺(jué)來(lái)確定。 39 MPEG聲音 測(cè)量主觀音高時(shí)，讓實(shí)驗(yàn)者聽(tīng)兩個(gè)聲強(qiáng)級(jí)為40 dB的純 音，固定其中一個(gè)純音的頻率，調(diào)節(jié)另一個(gè)純音的頻 率，直到他感到后者的音高為前者的兩倍，就標(biāo)定這 兩個(gè)聲音的音高差為兩倍。實(shí)驗(yàn)表明，音高與頻率之 間也不是線性關(guān)系。測(cè)出的“音高頻率”曲線如圖 所示。 “音高頻率”曲 線 40 MPEG聲音 掩蔽效應(yīng)掩蔽效應(yīng) 一種頻率的聲音阻礙聽(tīng)覺(jué)系統(tǒng)感受另一 種頻率的聲音的現(xiàn)象稱(chēng)為掩蔽效應(yīng)。 前者稱(chēng)為掩蔽聲音(m

36、asking tone)， 后者稱(chēng)為被掩蔽聲音(masked tone)。 掩蔽可分成頻域掩蔽和時(shí)域掩蔽。 41 一個(gè)強(qiáng)純音會(huì)掩蔽在其附近同時(shí)發(fā)聲的弱純音，這種特性稱(chēng)為頻域掩蔽， 也稱(chēng)同時(shí)掩蔽(simultaneous masking)。 如圖9-03所示，一個(gè)聲強(qiáng)為60 dB、頻率為1000 Hz的純音，另外還 有一個(gè)1100 Hz的純音，前者比后者高18 dB，在這種情況下我們的 耳朵就只能聽(tīng)到那個(gè)1000 Hz的強(qiáng)音。如果有一個(gè)1000 Hz的純音和 一個(gè)聲強(qiáng)比它低18 dB的2000 Hz的純音，那么我們的耳朵將會(huì)同時(shí) 聽(tīng)到這兩個(gè)聲音。要想讓2000 Hz的純音也聽(tīng)不到，則需要把它降到

37、 比1000 Hz的純音低45 dB。一般來(lái)說(shuō)，弱純音離強(qiáng)純音越近就越容 易被掩蔽。 聲強(qiáng)為60 dB、頻率為1000 Hz純音的掩蔽效應(yīng) 42 在圖9-04中的一組曲線分別表示頻率為250 Hz、1 kHz、4 kHz和8 kHz純音的掩蔽效應(yīng)，它們的聲強(qiáng)均為60 dB。從圖 中可以看到： 在250 Hz、1 kHz、4 kHz和8 kHz純音附近，對(duì)其他純音的掩蔽效 果最明顯， 低頻純音可以有效地掩蔽高頻純音，但高頻純音對(duì)低頻純音的掩蔽 作用則不明顯。 不同純音的掩蔽效應(yīng)曲線 43 由于聲音頻率與掩蔽曲線不是線性關(guān)系 ，為從感知上來(lái)統(tǒng)一度量聲音頻率，引 入了“臨界頻帶(critical b

38、and)”的概念 。通常認(rèn)為，在20 Hz到16 kHz范圍內(nèi) 有24個(gè)臨界頻帶，如下表所示。臨界頻 帶的單位叫Bark(巴克) 44 MPEG聲音 時(shí)域掩蔽時(shí)域掩蔽 除了同時(shí)發(fā)出的聲音之間有掩蔽現(xiàn)象之外，在時(shí)間上相鄰的聲音之間也 有掩蔽現(xiàn)象，并且稱(chēng)為時(shí)域掩蔽。 時(shí)域掩蔽又分為超前掩蔽(pre-masking)和滯后掩蔽(post-masking)，如 圖所示。產(chǎn)生時(shí)域掩蔽的主要原因是人的大腦處理信息需要花費(fèi)一定的 時(shí)間。一般來(lái)說(shuō)，超前掩蔽很短，只有大約520 ms，而滯后掩蔽可以 持續(xù)50200 ms。這個(gè)區(qū)別也是很容易理解的。 45 MPEG Audio與感知特性 MPEG Audio標(biāo)準(zhǔn)

39、在本書(shū)中是指MPEG-1 Audio、MPEG-2 Audio和MPEG-2 AAC， 它們處理10 Hz20000 Hz范圍里的聲音數(shù) 據(jù)。 數(shù)據(jù)壓縮的的主要依據(jù)是人耳朵的聽(tīng)覺(jué)特 性，使用“心理聲學(xué)模型(psychoacoustic model)”來(lái)達(dá)到壓縮聲音數(shù)據(jù)的目的。 46 MPEG Audio與感知特性 心理聲學(xué)模型中一個(gè)基本的概念就是聽(tīng)覺(jué)系統(tǒng)中存在一個(gè)聽(tīng)覺(jué)閾值電 平，低于這個(gè)電平的聲音信號(hào)就聽(tīng)不到，因此就可以把這部分信號(hào)去 掉。 聽(tīng)覺(jué)閾值的大小隨聲音頻率的改變而改變，各個(gè)人的聽(tīng)覺(jué)閾值也不同。 大多數(shù)人的聽(tīng)覺(jué)系統(tǒng)對(duì)2 kHz5 kHz之間的聲音最敏感。 一個(gè)人是否能聽(tīng)到聲音取決于聲音

40、的頻率，以及聲音的幅度是否高于這 種頻率下的聽(tīng)覺(jué)閾值。 心理聲學(xué)模型中的另一個(gè)概念是聽(tīng)覺(jué)掩飾特性，意思是聽(tīng)覺(jué)閾值電平 是自適應(yīng)的，即聽(tīng)覺(jué)閾值電平會(huì)隨聽(tīng)到的不同頻率的聲音而發(fā)生變化。 例如，同時(shí)有兩種頻率的聲音存在，一種是1000 Hz的聲音，另一種是 1100 Hz的聲音，但它的強(qiáng)度比前者低18分貝，在這種情況下，1100 Hz 的聲音就聽(tīng)不到。 也許你有這樣的體驗(yàn)，在一安靜房間里的普通談話可以聽(tīng)得很清楚，但 在播放搖滾樂(lè)的環(huán)境下同樣的普通談話就聽(tīng)不清楚了。聲音壓縮算法也 同樣可以確立這種特性的模型來(lái)取消更多的冗余數(shù)據(jù)。 47 MPEG-1 Audio 聲音的數(shù)據(jù)量由兩方面決定： 采樣頻率和樣

41、本精度。 對(duì)單聲道信號(hào)而言，每秒鐘的數(shù)據(jù)量(位數(shù))=采樣頻率 x 樣本精度。 要減小數(shù)據(jù)量，就需要降低采樣頻率或者降低樣本精度。 但是人耳可聽(tīng)到的頻率范圍大約是20 Hz20 kHz。根據(jù)奈奎斯特 理論，要想不失真地重構(gòu)信號(hào)，采樣頻率不能低于40 kHz。 再考慮到實(shí)際中使用的濾波器都不可能是理想濾波器，以及考慮 各國(guó)所用的交流電源的頻率，為保證聲音頻帶的寬度，所以采樣 頻率一般不能低于44.1 kHz。 這樣，壓縮就必須從降低樣本精度這個(gè)角度出發(fā)，即減少每位樣 本所需要的位數(shù)。 48 MPEG-1 Audio 前面介紹了線性預(yù)測(cè)編碼(linear predictive coding，LPC)

42、 的方法，這種方法主要是針對(duì)話音的編碼，這種編碼方法 稱(chēng)為音源特定編碼法(source specific methods)。 MPEG-1和MPEG-2的聲音壓縮采用了另一種方法，稱(chēng)為 子帶編碼(sub-band coding，SBC)方法，這也是一種功 能很強(qiáng)而且很有效的聲音信號(hào)編碼方法。 與音源特定編碼法不同，SBC不局限于只對(duì)話音進(jìn)行編碼，也不 局限于哪一種聲源。 這種方法的具體思想是首先把時(shí)域中的聲音數(shù)據(jù)變換到頻域，對(duì) 頻域內(nèi)的子帶分量分別進(jìn)行量化和編碼，然后根據(jù)心理聲學(xué)模型 確定樣本的精度，從而達(dá)到壓縮數(shù)據(jù)量的目的。 49 MPEG-1 Audio MPEG聲音數(shù)據(jù)壓縮的基礎(chǔ)是量化。

43、 雖然量化會(huì)帶來(lái)失真，但MPEG標(biāo)準(zhǔn)要求量化失真對(duì)于人耳來(lái)說(shuō) 是感覺(jué)不到的。在MPEG標(biāo)準(zhǔn)的制定過(guò)程中，MPEG-Audio委員 會(huì)作了大量的主觀測(cè)試實(shí)驗(yàn)。實(shí)驗(yàn)表明，采樣頻率為48 kHz、樣 本精度為16比特的聲音數(shù)據(jù)壓縮到256 kb/s時(shí)，即在6：1的壓縮 率下，即使是專(zhuān)業(yè)測(cè)試員也很難分辨出是原始聲音還是編碼壓縮 后的聲音。 MPEG Audio是一個(gè)子帶編碼系統(tǒng)。 聲音數(shù)據(jù)壓縮算法的根據(jù)是心理聲學(xué)模型，心理聲學(xué)模型中一個(gè) 最基本的概念是聽(tīng)覺(jué)系統(tǒng)中存在一個(gè)聽(tīng)覺(jué)閾值電平，低于這個(gè)電 平的聲音信號(hào)就聽(tīng)不到。 聽(tīng)覺(jué)閾值的大小隨聲音頻率的改變而改變，各個(gè)人的聽(tīng)覺(jué)閾值也 不同。大多數(shù)人的聽(tīng)覺(jué)系統(tǒng)對(duì)

44、2 kHz5 kHz之間的聲音最敏感。 一個(gè)人是否能聽(tīng)到聲音取決于聲音的頻率，以及聲音的幅度是否 高于這種頻率下的聽(tīng)覺(jué)閾值。 50 MPEG-1 Audio 心理聲學(xué)模型中的另一個(gè)概念是聽(tīng)覺(jué)掩飾特性，意思是聽(tīng)覺(jué)閾值 電平是自適應(yīng)的，即聽(tīng)覺(jué)閾值電平會(huì)隨聽(tīng)到的頻率不同的聲音而 發(fā)生變化。 例如，在一般環(huán)境下房間里的普通談話可以聽(tīng)得很清楚，但 在搖滾樂(lè)環(huán)境下同樣的普通談話就聽(tīng)不清楚了。聲音壓縮算 法也同樣可以確立這種特性的模型，根據(jù)這個(gè)模型可取消冗 余的聲音數(shù)據(jù)。MPEG Audio的壓縮算法框圖如圖所示。 51 而MPEG聲音(ISO/IEC 11172-3)壓縮算法是世界上第一個(gè)高 保真聲音數(shù)據(jù)

45、壓縮國(guó)際標(biāo)準(zhǔn)，并且得到了極其廣泛的應(yīng)用。 雖然MPEG聲音標(biāo)準(zhǔn)是MPEG標(biāo)準(zhǔn)的一部分，但它也完全可 以獨(dú)立應(yīng)用。 MPEG-1聲音標(biāo)準(zhǔn)的主要性能如下： (1) 如圖所示，MPEG編碼器的輸入信號(hào)為線性PCM信號(hào)， 采樣率為32, 44.1或48 kHz，輸出為32 kb/s384 kb/s。 MPEG編碼器的輸入/輸出 52 (2) MPEG聲音標(biāo)準(zhǔn)提供三個(gè)獨(dú)立的壓縮層次：層1(Layer 1)、層2(Layer 2)和層3(Layer 3)，用戶對(duì)層次的選擇可在 復(fù)雜性和聲音質(zhì)量之間進(jìn)行權(quán)衡。 層1的編碼器最為簡(jiǎn)單，編碼器的輸出數(shù)據(jù)率為384 kb/s，主要用 于小型數(shù)字盒式磁帶(digit

46、al compact cassette，DCC)。 層2的編碼器的復(fù)雜程度屬中等，編碼器的輸出數(shù)據(jù)率為256 kb/s192 kb/s，其應(yīng)用包括數(shù)字廣播聲音(digital broadcast audio，DBA)、數(shù)字音樂(lè)、CD-I(compact disc-interactive)和 VCD(video compact disc)等。 層3的編碼器最為復(fù)雜，編碼器的輸出數(shù)據(jù)率為64 kb/s，主要應(yīng) 用于ISDN上的聲音傳輸。 53 在盡可能保持CD音質(zhì)為前提的條件下，MPEG聲音標(biāo)準(zhǔn)一般 所能達(dá)到的壓縮率如表9-02所示，從編碼器的輸入到輸出的 延遲時(shí)間如表9-03所示。 表9-02

47、MPEG聲音的壓縮率 表9-03 MPEG編碼解碼器的延遲時(shí)間 54 (3) 可預(yù)先定義壓縮后的數(shù)據(jù)率，如表9-04所示。另外，MPEG 聲音標(biāo)準(zhǔn)也支持用戶預(yù)定義的數(shù)據(jù)率。 (4) 編碼后的數(shù)據(jù)流支持循環(huán)冗余校驗(yàn)CRC(cyclic redundancy check)。 (5) MPEG聲音標(biāo)準(zhǔn)還支持在數(shù)據(jù)流中添加附加信息。 表9-04 MPEG層3在各種數(shù)據(jù)率下的性能： 55 子帶編碼 MPEG-1使用子帶編碼來(lái)達(dá)到既壓縮聲音數(shù)據(jù)又 盡可能保留聲音原有質(zhì)量的目的。 聽(tīng)覺(jué)系統(tǒng)有許多特性，子帶編碼的理論根據(jù)是聽(tīng)覺(jué)系 統(tǒng)的掩蔽特性，并且主要是利用頻域掩蔽特性。 SBC的基本想法就是在編碼過(guò)程中保留

48、信號(hào)的帶寬而 扔掉被掩蔽的信號(hào)，其結(jié)果是編碼之后還原的聲音， 也就是解碼或者叫做重構(gòu)的聲音信號(hào)與編碼之前的聲 音信號(hào)不相同，但人的聽(tīng)覺(jué)系統(tǒng)很難感覺(jué)到它們之間 的差別。 這也就是說(shuō)，對(duì)聽(tīng)覺(jué)系統(tǒng)來(lái)說(shuō)這種壓縮是“無(wú)損壓 縮”。 56 子帶編碼 大多數(shù)SBC編碼器都使用如圖9-09所示的結(jié)構(gòu)，這也 是MPEG-1聲音編碼器的結(jié)構(gòu)圖。 輸入聲音信號(hào)經(jīng)過(guò)一個(gè)“時(shí)間-頻率多相濾波器組”變換到頻 域里的多個(gè)子帶中。 輸入聲音信號(hào)同時(shí)經(jīng)過(guò)“心理聲學(xué)模型(計(jì)算掩蔽特性)”，該 模型計(jì)算以頻率為自變量的噪聲掩蔽閾值(masking threshold)， 查看輸入信號(hào)和子帶中的信號(hào)以確定每個(gè)子帶里的信號(hào)能量 與掩蔽

49、閾值的比率。 “量化和編碼”部分用信掩比(signal-to-mask ratio，SMR)來(lái) 決定分配給子帶信號(hào)的量化位數(shù)，使量化噪聲低于掩蔽閾值。 最后通過(guò)“數(shù)據(jù)流幀包裝”將量化的子帶樣本和其他數(shù)據(jù)按 照規(guī)定的稱(chēng)為“幀(frame)”的格式組裝成位數(shù)據(jù)流。 57 子帶編碼 信掩比是指最大的信號(hào)功率與全局掩蔽閾值之比，下 圖表示了某個(gè)子帶中的信掩比。 SNR(signal noise ratio) 信號(hào)噪聲比 SMR(signal-to-mask ratio) 信號(hào)掩蔽比 NMR(noise-to-mask ratio) 噪聲掩蔽比 58 子帶編碼 圖9-11是MPEG-1聲音解碼器的結(jié)構(gòu)圖

50、。解碼器對(duì)位數(shù) 據(jù)流進(jìn)行解碼，恢復(fù)被量化的子帶樣本值以重建聲音 信號(hào)。由于解碼器無(wú)需心理聲學(xué)模型，只需拆包、重 構(gòu)子帶樣本和把它們變換回聲音信號(hào)，因此解碼器就 比編碼器簡(jiǎn)單得多。 圖9-11 MPEG聲音解碼器結(jié)構(gòu)圖 59 多相濾波器組 用來(lái)分割子帶也就是時(shí)間-頻率變換部件是一個(gè)多相濾波器組。 在MPEG-1中，多相濾波器組是MPEG聲音壓縮的關(guān)鍵部分部件之一， 它把輸入信號(hào)變換到32個(gè)頻域子帶中去。 子帶的劃分方法有兩種，一種是線性劃分，另一種是非線性劃分。如 果把聲音頻帶劃分成帶寬相等的子帶，這種劃分就不能精確地反映人 耳的聽(tīng)覺(jué)特性，因?yàn)槿硕穆?tīng)覺(jué)特性是以“臨界頻帶”來(lái)劃分的，在 一個(gè)臨界

51、頻帶之內(nèi)，很多心理聲學(xué)特性都是一樣的。 在低頻區(qū)域，一個(gè)子帶覆蓋好幾個(gè)臨界頻帶。在這種情況下，某個(gè)子 帶中量化器的比特分配就不能根據(jù)每個(gè)臨界頻帶的掩蔽閾值進(jìn)行分配， 而要以其中最低的掩蔽閾值為準(zhǔn)。 60 編碼層 MPEG聲音壓縮定義了3個(gè)分明的層次，它們的基 本模型是相同的。 層1是最基礎(chǔ)的，層2和層3都在層1的基礎(chǔ)上有所提高。 每個(gè)后繼的層次都有更高的壓縮比，但需要更復(fù)雜的編 碼解碼器。 MPEG聲音的每一個(gè)層都自含SBC編碼器，其中包含如 圖9-09所示的“時(shí)間-頻率多相濾波器組”、“心理聲學(xué) 模型(計(jì)算掩蔽特性)”、“量化和編碼”和“數(shù)據(jù)流幀包 裝”，而高層SBC可使用低層SBC編碼的聲

52、音數(shù)據(jù)。 61 MPEG的聲音數(shù)據(jù)分成幀(frame)，層1每幀包含384個(gè)樣本 的數(shù)據(jù)，每幀由32個(gè)子帶分別輸出的12個(gè)樣本組成。層2和 層3每幀為1152個(gè)樣本，如圖9-13所示。 圖9-13 層1、2和層3的子帶樣本 62 MPEG-2 Audio MPEG-2標(biāo)準(zhǔn)委員會(huì)定義了兩種聲音數(shù)據(jù)壓縮格 式： 一種稱(chēng)為MPEG-2 Audio，或者稱(chēng)為MPEG-2多通道 (Multichannel)聲音，因?yàn)樗cMPEG-1 Audio是兼容的， 所以又稱(chēng)為MPEG-2 BC (Backward Compatible)。 另一種稱(chēng)為MPEG-2 AAC (Advanced Audio Codin

53、g)， 因?yàn)樗cMPEG-1聲音格式不兼容，因此通常稱(chēng)為非后 向兼容MPEG-2 NBC(Non-Backward-Compatible)標(biāo)準(zhǔn)。 這節(jié)先介紹MPEG-2 Audio。 63 MPEG-2 Audio(ISO/IEC 13818-3)和MPEG-1 Audio(ISO/IEC 1117-3)標(biāo) 準(zhǔn)都使用相同種類(lèi)的編譯碼器，層-1, -2和-3的結(jié)構(gòu)也相同。 MPEG-2聲音標(biāo)準(zhǔn)與MPEG-1標(biāo)準(zhǔn)相比，MPEG-2做了如下擴(kuò)充： 增加了16 kHz, 22.05 kHz和24 kHz采樣頻率， 擴(kuò)展了編碼器的輸出速率范圍，由32384 kb/s擴(kuò)展到8640 kb/s， 增加了聲道

54、數(shù)，支持5.1聲道和7.1聲道的環(huán)繞聲。 此外MPEG-2還支持Linear PCM(線性PCM)和Dolby AC-3(Audio Code Number 3)編碼。它們的差別如表9-05所示。 MPEG-1和-2的聲音數(shù)據(jù)規(guī)格 64 MPEG-2 Audio的“5.1環(huán)繞聲”也稱(chēng)為“3/2-立體聲加LFE”，其中的“.1” 就是指LFE聲道。它的含義是播音現(xiàn)場(chǎng)的前面可有3個(gè)喇叭聲道(左、中、 右)，后面可有2個(gè)環(huán)繞聲喇叭聲道，LFE(low frequency effects)是低頻音 效的加強(qiáng)聲道，如圖9-19(a)所示。 7.1聲道環(huán)繞立體聲與5.1類(lèi)似，如圖9-19(b)所示。 圖9

55、-19(a) 5.1聲道立體環(huán)繞聲 圖9-19(b) 7.1聲道立體環(huán)繞聲 65 MPEG-2聲音標(biāo)準(zhǔn)的第3部分(Part 3)是MPEG-1聲音標(biāo)準(zhǔn)的擴(kuò)展，擴(kuò)展部 分就是多聲道擴(kuò)展(multichannel extension)，如圖9-20所示。這個(gè)標(biāo)準(zhǔn)稱(chēng) 為MPEG-2后向兼容多聲道聲音編碼(MPEG-2 backwards compatible multichannel audio coding)標(biāo)準(zhǔn)，簡(jiǎn)稱(chēng)為MPEG-2 BC。 66 MPEG-2 AAC MPEG-2 AAC是MPEG-2標(biāo)準(zhǔn)中的一種非常靈活的聲音感知編碼標(biāo)準(zhǔn)。 就像所有感知編碼一樣，MPEG-2 AAC主要使用聽(tīng)覺(jué)

56、系統(tǒng)的掩蔽特性 來(lái)減少聲音的數(shù)據(jù)量，并且通過(guò)把量化噪聲分散到各個(gè)子帶中，用全 局信號(hào)把噪聲掩蔽掉。 AAC支持的采用頻率可從8 kHz到96 kHz， AAC編碼器的音源可以是單聲道的、立體聲的和多聲道的聲音。 AAC標(biāo)準(zhǔn)可支持48個(gè)主聲道、16個(gè)低頻音效加強(qiáng)通道LFE (low frequency effects)、16個(gè)配音聲道(overdub channel)或者叫做多語(yǔ)言聲 道(multilingual channel)和16個(gè)數(shù)據(jù)流。 MPEG-2 AAC在壓縮比為11:1，即每個(gè)聲道的數(shù)據(jù)率為 (44.116 )/11=64 kb/s，而5個(gè)聲道的總數(shù)據(jù)率為320 kb/s的情況下

57、，很 難區(qū)分還原后的聲音與原始聲音之間的差別。與MPEG的層2相比， MPEG-2 AAC的壓縮率可提高1倍，而且質(zhì)量更高，與MPEG的層3相比， 在質(zhì)量相同的條件下數(shù)據(jù)率是它的70。 67 MPEG-2 AAC的配置 開(kāi)發(fā)MPEG-2 AAC標(biāo)準(zhǔn)采用的方法與開(kāi)發(fā) MPEG Audio標(biāo)準(zhǔn)采用的方法不同。 后者采用的方法是對(duì)整個(gè)系統(tǒng)進(jìn)行標(biāo)準(zhǔn)化， 前者采用的方法是模塊化的方法，把整個(gè)AAC 系統(tǒng)分解成一系列模塊，用標(biāo)準(zhǔn)化的AAC工具 (advanced audio coding tools)對(duì)模塊進(jìn)行定義。 68 MPEG-2 AAC的配置 AAC標(biāo)準(zhǔn)定義了三種配置： 基本配置基本配置(Main

58、 Profile)： 在這種配置中，除了“增益控制(Gain Control)”模塊之外，AAC系統(tǒng)使用了圖中所示的所有模塊，在三種 配置中提供最好的聲音質(zhì)量，而且AAC的解碼器可以對(duì)低復(fù)雜性配 置編碼的聲音數(shù)據(jù)進(jìn)行解碼，但對(duì)計(jì)算機(jī)的存儲(chǔ)器和處理能力的要 求方面，基本配置比低復(fù)雜性配置的要求高。 低復(fù)雜性配置低復(fù)雜性配置(Low Complexity Profile)： 在這種配置中，不使用 預(yù)測(cè)模塊和預(yù)處理模塊，瞬時(shí)噪聲定形(temporal noise shaping， TNS)濾波器的級(jí)數(shù)也有限，這就使聲音質(zhì)量比基本配置的聲音質(zhì)量 低，但對(duì)計(jì)算機(jī)的存儲(chǔ)器和處理能力的要求可明顯減少。 可變

59、采樣率配置可變采樣率配置(Scalable Sampling Rate Profile)： 在這種配置中， 使用增益控制對(duì)信號(hào)作預(yù)處理，不使用預(yù)測(cè)模塊，TNS濾波器的級(jí) 數(shù)和帶寬也都有限制，因此它比基本配置和低復(fù)雜性配置更簡(jiǎn)單， 可用來(lái)提供可變采樣頻率信號(hào)。 69 MPEG-2 AAC的基本模塊 增益控制增益控制(Gain control) 增益控制模塊用在可變采樣率配置中，它由多相正交濾波器增益控制模塊用在可變采樣率配置中，它由多相正交濾波器 PQF(polyphase quadrature filter)、增益檢測(cè)器、增益檢測(cè)器(gain detector)和增和增 益修正器益修正器(ga

60、in modifier)組成。這個(gè)模塊把輸入信號(hào)分離到組成。這個(gè)模塊把輸入信號(hào)分離到4個(gè)相等帶個(gè)相等帶 寬的頻帶中。在解碼器中也有增益控制模塊，通過(guò)忽略寬的頻帶中。在解碼器中也有增益控制模塊，通過(guò)忽略PQF的高子帶信的高子帶信 號(hào)獲得低采樣率輸出信號(hào)。號(hào)獲得低采樣率輸出信號(hào)。 濾波器組濾波器組(Filter Bank) 濾波器組是把輸入信號(hào)從時(shí)域變換到頻域的轉(zhuǎn)換模塊，它是濾波器組是把輸入信號(hào)從時(shí)域變換到頻域的轉(zhuǎn)換模塊，它是MPEG-2 AAC系統(tǒng)的基本模塊。這個(gè)模塊采用了改進(jìn)離散余弦變換系統(tǒng)的基本模塊。這個(gè)模塊采用了改進(jìn)離散余弦變換MDCT，它是，它是 一種線性正交交迭變換，使用了一種稱(chēng)為時(shí)域